طبقه بندی بافتهای فرسوده شهری با استفاده از سنجش ازدور مبتنی بر شی گرایی

الگوریتمهای مکانی و طیفی، الگوهای بافت شهری، پردازش شی گرا، شهر تبریز طبقه بندی بافتهای شهری فرسوده از طریق تصاویر ماهوارهای به روشهای مختلف، با استفاده از هر دو رویکرد مبتنی بر پیکسل و مبتنی بر شی، تکاملیافته است. این مطالعه بر روی کاربرد آنالیز تصویر مبتنی بر شی (OBIA) برای طبقه بندی این بافتها تمرکز دارد. هدف بررسی حاضر؛ تکنیکهای مختلف مبتنی بر شی برای شناسایی اشیا و ارزیابی اثربخشی هر روش است. این پژوهش از نوع توصیفی - کمی بوده و دادهها با استفاده از تصاویر ماهوارهای و تحلیلهای شی گرا در نرمافزار eCognition جمعآوری شده است. قلمرو مکانی این تحقیق، شهر تبریز و سه منطقه شهید بهشتی، بارنج و کرکج است که بهعنوان نمونه هایی از بافتهای فرسوده شهری انتخاب شده اند. برای پردازش دادهها، از مدلهای کنتراست (GLCM)، آنتروپی و انحراف معیار برای تحلیل و طبقه بندی بافتهای فرسوده استفاده شده است. این مدلها برای شناسایی دقیقتر ویژگیهای مکانی و طیفی مناطق شهری به کار رفته اند و دقت هر یک از آنها از طریق ماتریس خطا و ضریب کاپا ارزیابی شده است. ویژگیهای طیفی مناطق مسکونی، جادهها و فضاهای سبز با استفاده از سه روش متمایز مبتنی بر شی شناسایی و طبقه بندی شدند. در بین روشهای ارزیابیشده، روش کنتراست بهعنوان موثرترین روش ظاهر شد که بهدقت کلی ۰.۸۹۳۸.۱ و۱ برای بافتهای فرسوده دستیافت. یافتههای ما نشان میدهد که روش کنتراست GLCM تواناییهای برتر را در شناسایی اشیا در محیطهای شهری نشان میدهد که نشان میدهد الگوریتمها و ویژگیهای OBIA دارای پتانسیل قابلتوجهی برای تشخیص و طبقه بندی مناطق شهری هستند. این تحقیق بینشهای ارزشمندی را برای برنامه ریزان شهری در تصمیم گیری آگاهانه برای تحولات آتی ارائه میدهد.

کلیدواژه ها:

الگوریتمهای مکانی ، طیفی ، الگوهای بافت شهری ، پردازش شی گرا ، شهر تبریز ، طبقه بندی بافتهای شهری ، تصاویر ماهوارهای ، رویکرد مبتنی بر پیکسل ، رویکرد مبتنی بر شی ، تصویر مبتنی بر شی ، OBIA ، تحلیل تصویر ، GLCM ، مدلهای کنتراست ، آنتروپی ، انحراف معیار ، مناطق شهری ، ماتریس خطا ، ضریب کاپا ، مناطق مسکونی ، جادهها ، فضاهای سبز ، محیطهای شهری ، الگوریتمها ، ویژگیهای OBIA ، برنامه ریزان شهری ، تحولات آتی